Vc的字符串说明

vc 中的混乱的字符。


MBCS（多字节码）
早在Windows采用Unicode统一编码进行语言管理之前，Windows为了能够进行非ANSI标准字符的输出，于是采用两个字节来表示这些语言文字。因为这些双字节文字和ANSI是混和在一起的，为了加以区别，Windows将这些字符的最高位置为 1（即这些双字节文字的每个字节都>=127），所以这种表示法可以表示 127x127 约一万多种非ANSI文字，其本上可以表示任何一种语言的常用文字了。于是，Windows为每一个区域版本，都制定了分别独立的文字编码，这就是MBCS（多字节码）。

Unicode（统一码、万国码、单一码）
是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。
在Unicode中：汉字“字”对应的数字是23383。在Unicode中，我们有很多方式将数字23383表示成程序中的数据，包括：UTF-8、 UTF-16、UTF-32
UTF-8以字节为单位对Unicode进行编码。从Unicode到UTF-8的编码方式如下：
　　Unicode编码(16进制)　║　UTF-8 字节流(二进制)
　　000000 - 00007F　║　0xxxxxxx
　　000080 - 0007FF　║　110xxxxx 10xxxxxx
　　000800 - 00FFFF　║　1110xxxx 10xxxxxx 10xxxxxx
　　010000 - 10FFFF　║　11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
　　UTF-8的特点是对不同范围的字符使用不同长度的编码。对于0x00-0x7F之间的字符，UTF-8编码与ASCII编码完全相同。UTF-8编码的最大长度是4个字节。从上表可以看出，4字节模板有21个x，即可以容纳21位二进制数字。Unicode的最大码位0x10FFFF也只有21位。
　　例1：“汉”字的Unicode编码是0x6C49。0x6C49在 0x0800-0xFFFF之间，使用用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将0x6C49写成二进制是：0110 1100 0100 1001，用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。

L""表示Unicode字符(请切记：WCHAR即ushort只表示宽字符，而宽字符并不就是 unicode，反而Unicode属于宽字符).
我们可以使用%S等进行转换MBCS/Unicode转换


setlocale(LC_ALL,"");
TCHAR  sxStr1[]   =   TEXT("12汉字");//根据平台自动选择字符集
char   szStr2[]   =   "12汉字";  //MBCS码
WCHAR  swzStr3[]   =   L"12汉字"; //UNICODE码

printf("%d,%d\n",sizeof("abc"),sizeof(L"abc"));

printf("//depend on platform\n");
_tprintf(TEXT("_tcsclen(\"%s\")=%d,sizeof(\"%s\")=%d\n"),sxStr1,_tcsclen(sxStr1),sxStr1,sizeof(sxStr1));
strPrt0X(sxStr1,10);

printf("//MBCS\n");
printf("strlen(\"%s\")=%d,sizeof(\"%s\")=%d\n",szStr2,strlen(szStr2),szStr2,sizeof(szStr2));
strPrt0X(szStr2,10);

printf("//MBCS\n");
printf("_mbstrlen(\"%S\")=%d,sizeof(\"%s\")=%d\n",swzStr3,_mbstrlen(szStr2),szStr2,sizeof(szStr2));
strPrt0X(szStr2,10);

printf("//Unicode\n");
wprintf(L"wcslen(\"%S\")=%d,sizeof(\"%s\")=%d\n",szStr2,wcslen(swzStr3),swzStr3,sizeof(swzStr3));
strPrt0X(swzStr3,10);

#在工程设置为"Unicode字符集" 时候
4,8
//depend on platform
_tcsclen("12汉字")= 4,sizeof("12 汉字")=10
31 00 32 00 49 6c 57 5b
//MBCS
strlen("12汉字")=   6,sizeof("12 汉字")=7
31 32 ffffffba ffffffba ffffffd7 ffffffd6
//MBCS
_mbstrlen("12汉字")=4,sizeof("12 汉字")=7
31 32 ffffffba ffffffba ffffffd7 ffffffd6
//Unicode
wcslen("12汉字")=   4,sizeof("12 汉字")=10
31 00 32 00 49 6c 57 5b

#在工程设置为"未设置"时候
4,8
//depend on platform
_tcsclen("12汉字")= 6,sizeof("12 汉字")=7
31 32 ffffffba ffffffba ffffffd7 ffffffd6
//MBCS
strlen("12汉字")=   6,sizeof("12 汉字")=7
31 32 ffffffba ffffffba ffffffd7 ffffffd6
//MBCS
_mbstrlen("12汉字")=4,sizeof("12 汉字")=7
31 32 ffffffba ffffffba ffffffd7 ffffffd6
//Unicode
wcslen("12汉字")=   4,sizeof("12 汉字")=10
31 00 32 00 49 6c 57 5b 00 00

utf-8实际上是对Unicode的widechar进行了编码，因此utf-8 可以用char*表示，
utf-8与Unicode之间的转换通过MultibyteToWideChar实现。

============
再来说一下使用什么好
综合考虑Unicode是大势所趋：
1.API基本都有Unicode版本
2.更容易国际化
3.多国语言混合不会出现乱码的情况

=======================

关于字符串的使用
用String CString是比较好的选择，因为他们转换比较灵活。
其次是用Tchar

如果要进行转换 MultiByteToWideChar / WideCharToMultiByte
mbcstowcs / wcstombcs
都可以
但是MultiByteToWideChar / WideCharToMultiByte 还能转字符编码，这在遇到汉字的时候会很有用。